В настоящее время достаточно интенсивно проводятся исследования по применению сверточных нейронных сетей для идентификации оружия по изображениям следов бойков. Основной проблемой обучения сверточных нейронных сетей является сверхмалое число исходных изображений в каждом классе (обычно не более 4-5). Поэтому требуется принципиальное расширение (аугментация) исходной обучающей выборки. Универсальных приемов формирования эффективной аугментированной выборки не существует. Набор преобразований исходных изображений задается исходя из специфики конкретной задачи. Стандартные преобразования исходных изображений типа поворотов, смещений, изменений контрастности и яркости не всегда приводят к значимому положительному эффекту. Требуется применение искажений индивидуализирующих признаков, однако только в определенных пределах, чтобы не внести признаки одного класса в другой. В данной работе рассматриваются методы прогнозирования допустимых пределов искажений исходных изображений для получения качественной аугментированной выборки.